身處大洋彼岸的中國創業者也受到了感染，王小川、李志飛等明星創業者和真格基金管理合伙人戴雨森、金沙江創投合伙人張予彤等眾多知名投資人不想再「霧裡看花、水中望月」，一月連續三次飛往矽谷。

中美AGI領域雖然同樣火熱，但在市場的格局生態卻截然不同。

最明顯的區別是，與國內的「百模大戰」相比，基礎大模型創業在矽谷並不火熱。「OpenAI一家獨大，只有谷歌和Meta等大公司向其發起挑戰，創業公司很少做基礎大模型。」遠望資本合伙人、迅雷創始人程浩對光錐智能談到，但在中國，還是有人想賭一把，因為最終誰是中國的OpenAI還不確定，造神的這一過程既危險又性感。

而大模型之外，矽谷卻在中間層和垂類應用層里，呈現出百花齊放的熱鬧。但反觀中國，雖然投資人們嗅覺敏銳，早就聞到了「肉香」，卻「看得多投的少」；而AI創業領域，也鮮有全新的大模型之外的公司出現，更多是大中型公司的聲音。

無論是源於美元基金的撤退，還是國內的AI創業環境，與網際網路時代不同，在這一輪科技狂潮中，中國創業者和VC們正在經歷著前所未有的迷茫，Copy to China的策略似乎逐漸失靈了。

「矽谷重視技術，埋頭升級大模型能力，而國內則更看重商業模式。」孔祥來對光錐智能說道。AGI時代，各自的商業邏輯依然沒有改變。

結合投資人、創業者的深度訪談，光錐智能復盤了今年上半年矽谷AI初創公司的融資和發展情況，希望能從中探尋到AI 2.0創業浪潮中的機遇和警示，以期給國內投資人和創業公司一點啟發。

AI掘金潮，熱錢撒向哪兒？

國外風投數據分析公司PitchBook數據顯示，上半年全球AI領域共計發生融資1387件，籌集融資金額255億美金，平均融資金額達2605萬美金。據融資服務機構Carta數據顯示，2023年Q1，美國A輪AI初創公司融資環比增長58.4%，種子輪公司估值增長了19%。

熱錢一半都流向了矽谷。據光錐智能不完全統計上半年矽谷一共有42起融資，總金額約140億美元，占世界總融資金額的55%。平均輪次融資金額為3.3億美元，是平均融資水平的近13倍之多。

最全矽谷AI創業公司梳理，制表：光錐智能

以OpenAI為首的AI新貴成為當之無愧的主角，在獲得投資的40家公司中，有近60%的公司成立時間在一年之內。其融資輪次也處於早期階段，42起融資事件中，種子輪次占了40%，B輪以前（包含B輪）占了86%。

孔祥來告訴光錐智能，矽谷這波創業大多採取小而精方式，早期創業項目團隊的人數在3-5人，中期項目團隊的規模也控制在十幾人～幾十人之間，當初Midjourney效果驚艷全世界，憑藉早期11個人的團隊就做到了一億美金的營收，「AGI領域更重視技術創新，堆人沒有用。」孔祥來直言。

這跟國內創業方式有很大不同，國內創業團隊人數普遍較多，比如媒體報道稱王慧文的光年之外解散前有70人，王小川公開信中透露百川智能最初組建人數為50人。

不過，矽谷AI創業團隊規模雖然普遍偏小，但其吸金能力卻十分驚艷。

截至目前，按融資金額數量的AIGC初創公司的排名分別為：OpenAI（113 億美元）、Inflection（15.25 億美元）、Cohere（4.45 億美元）、Adept（4.15 億美元）、Runway（1.955 億美元）、Character.AI（1.5 億美元）和 Stability AI（約 1 億美元）。

站在他們背後的，仍是科技圈如雷貫耳的公司和大佬。光錐智能整理統計發現，上半年，微軟參與的AI融資項目有5起，谷歌出手4次，英偉達出手6次，OpenAI出手3次，這些巨頭加起來累計參與了約43%的AI領域融資。

將目光更聚焦一些，當下矽谷對AI關注的主要集中在三個方向：一是基礎大模型層；二是開發工具、資料庫等所在的中間層；三是垂直應用層。

程浩向光錐智能介紹，基礎大模型除了OpenAI、Anthropic兩家公司，其他創業者都在做開源模型；工具層創業者都在動員所有人才精英做開源社區，其核心壁壘在於創造開發者生態；應用層聚集著兩類創業公司，一類是像法律、HR招聘垂直領域的公司，一類是與文案、文生圖、文生視頻相關的通用型公司。應用層普遍扎堆B端，C端產品少很多，屬於在巨頭夾縫中求爆款的狀態。

從不同機會層面來看，上半年，矽谷基礎大模型層有8起融資，中間層有12起融資，垂直應用層面有23起融資。不過，在融資金額上卻呈現反比，分別融資金額為110.8億美元、3.5億美元和25.2億美元。

表面上看，基礎大模型層似乎是最熱的投資領域，但實際上完全由OpenAI一家撐起來，如果把OpenAI的103億美元巨額融資剔除，整個垂直大模型層的融資占比就直接從79%驟降至21%。

從上圖可以看出，目前垂直應用層面是矽谷最熱的投資領域，融資次數多，但單次融資金額不高；基礎大模型層OpenAI占據絕對的領先地位，其他大模型公司雖然單輪次的融資較高，但難以與OpenAI相匹敵，其業務範疇也在彌補OpenAI的不足；中間層是VC們近期發掘的新大陸，目前，已投出了估值7.5億美金的向量資料庫公司Pincone，半隻腳踏入了獨角獸行列。

孔祥來表示，「矽谷投資人內部分為了兩派，一類只看好OpenAI，認為未來OpenAI會統治2C端應用，因而沒必要在C端應用領域投入過多時間，轉而去投B端與行業深度整合的AI公司；另一派則持相反態度，積極擁抱開源社區，也會看好2C端的垂直應用，認為在該領域也可以跑出獨角獸公司。」

總體而言，今年上半年以下方向在矽谷掀起了一波又一波的掘金潮：

基礎大模型層：小參數基礎模型、通用大模型。

中間層：向量資料庫、AI工具鏈、模型部署工具。

垂直應用層：文生視頻、文生語音、AI對話機器人、生成式AI搜索、法律垂類領域應用、人形機器人。

孔祥來補充總結表示，當下矽谷投資人重點看好幾個方向，分別是AI Agents（智能體）、多模態（文生圖、文生視頻）、解決行業幻覺（法律、醫學）、個性化方向（Character AI等對話機器人）、大語言模型的中間件以及AI深度賦能的行業場景應用。

（圖源：CB Insights）

站在淘金熱的風口，這些新貴們的身價隨著水漲船高，2022年，ChatGPT和AIGC領域吸金超過26億美元，共誕生出6家獨角獸，而截至到今年5月8日，獨角獸俱樂部的成員上升到14家(Midjourney暫無估值)。

1000家VC同時舉牌競價，帶來的是成立不到四個月的Baby公司，融到兩輪上億美元融資。6月29日，Inflection AI完成了13億美元的新一輪融資，成為融資第二多的生成式人工智慧初創公司，資本再次成功造神。

奇蹟降臨矽谷的同時，淘汰賽也正式開始。

數據，AIGC時代的唯一壁壘

僅僅半年，矽谷就已經給AI創業貢獻了一波真金白銀的教訓。

一類是像Jasper這類靠接入OpenAI API接口成長起來的公司受到了衝擊。

作為第一批AIGC獨角獸公司，Jasper抓住了這波AI升級機會，估值飆到了15億美元。但其問題也十分致命，套殼公司產品壁壘非常薄，它的用戶體驗和品牌很好，但達不到最好，很容易被那些高價值細分領域構建的差異化產品而替代，通而不精是其最大的問題。

程浩認為，Jasper的最大競爭對手是ChatGPT、微軟Copilot、NotionAI等巨頭競爭對手，這些巨頭有品牌，價格也便宜很多，所以那些相對弱需求的用戶自然就不願意繼續再為Jasper買單，其根本問題在於創造的額外價值不夠厚。對於Jasper這類公司來講，核心是想辦法在數據存儲、多人協同以及工作流整合等方面下功夫，增大用戶粘性。

另一類是VC支持的聊天機器人團隊，在去年的融資熱潮下籌集了不少資金，期望今年能向企業銷售。但年初市場中的聊天機器人便多如牛毛，技術壁壘不高，很容易被複製，再次走向同質化的怪圈。

（圖源：網絡）

另外，面向C端的AI搜索平台Neeva因為商業落地困難，最終被大公司收購，有了這個前車之鑑，矽谷現在幾乎所有的公司都開始瘋狂進攻企業級市場。

「初創公司首先要選對路線，究竟是『+AIGC』還是『AIGC+』。」程浩認為，選擇比努力重要。

選擇「+AIGC」與「AIGC+」的判斷標準是，AI在業務全價值鏈的比例。如果一家公司的AI成分占10%，業務邏輯占90%，那就比較適合走「+AIGC」的創業道路；若其AI成分占比在50%以上，那就更適合走「AIGC+」的路線。

多米諾骨牌已經開始倒下，Jasper之後輪到誰尚未可知，但愈加清晰的是，AIGC時代初創公司也必須死死捍衛自身的護城河。

投資人Chamath Palihapitiya認為，要麼你處於絕對底部，掌握數據場景；要麼處於絕對頂部，擁有核心算力資源。

「對於中間階段的公司，今天可能價值不菲，但明天可能一文不值。」 Chamath Palihapitiya道。

「數據才是AIGC時代的唯一壁壘。」孔祥來道。

孔祥來認為，模型和算力都不是AIGC時代的護城河。無論模型訓練的打榜分數有多高，最終都要落到實際應用中，在場景中積累的用戶分布數據會被納入到企業的微調模型數據集，經過不斷的疊代，就會在企業端形成數據飛輪，在這基礎上被微調訓練的大模型也會越來越精準，形成正向的反饋效應。

隨著LLaMA2的開源，大模型的技術壁壘被進一步打破，正如傅盛所言「AI創業公司在半夜笑醒」，技術補齊的步伐加快，數據的競爭也會更加激烈。

中國式AI，不複製矽谷，也別複製舊自己

真金白銀的機遇和教訓都擺在眼前，中國式AI 要走向哪裡呢？

「大模型將引發交互革命和生產力革命。」程浩告訴光錐智能，最先受益的是自然語言驅動的行業，所以，智能客服、售前諮詢、寫作、翻譯、垂直領域的法律、HR招聘等將成為交互革命爆發後的第一波受益者，這些「低垂的果實」自然一早就被創業者們盯上。

但是，「美國法律、心理諮詢相關的應用火熱，根本原因在於律師、心理諮詢師的人力成本非常高，大模型應用的經濟模型能夠跑通。而在中國，沒有這樣的環境，盲目Copy走不通。」早在兩個月前，便有投資人對美國投資熱潮，進行了中國式點評。

除了文生圖、數字人，與矽谷一樣的是，眾多中國創業者也瞄向了新一代智能客服。但與此同時，對「同質化」的擔心和焦慮也悄無聲息地彌散。

「8個 AI 應用創業項目，客服營銷竟然占了將近一半」，看著正在路演的競爭對手，同樣從事AI客服營銷創業的楊季（化名）低聲驚嘆道。隨著路演進程的推進，他的神情也越來越緊張。

楊季告訴光錐智能，技術相對成熟，需求明確，客服營銷成為跑得最快的場景，現在已經從國內市場卷到了東南亞。楊季的創業經歷反映了一批創業者從網際網路到現在AIGC的通病，不想花精力啃下技術硬骨頭，只想通過找場景、做應用來走捷徑。

矽谷踩過的坑，中國創業者恐怕也得再踩一遍。黑格爾的這句話再次應驗，「人類從歷史中吸取的唯一教訓，就是人類不會從歷史中吸取教訓」。

沒有營收預測，沒有用戶數，PPT式的路演接二連三地上演，令中國VC們無從下手，「ChatGPT剛來，迷茫的是不知道投什麼；到現階段，是沒有什麼可投的。」

蜂擁而上做簡單的應用固然輕鬆，但AI產業崛起之路沒有捷徑可圖。

包含OpenAI在內的大模型巨頭公司，如今也來到了自身的發展瓶頸期。國外開源模型社區Hugging Face技術工程師尹一峰向光錐智能證實，「至少半年內，技術可能很難有新的突破，這將極大地限制應用的大規模落地。」

矽谷技術觸及天花板，不得不回過頭來去強化中間層的技術能力。對於中國來說，這恰恰也是補齊產業鏈的絕佳機會。

如果將開發大模型比作是「造房子」，那麼中間層的AI Infra（AI 基礎設施）就是「工具箱」。參照矽谷的發展趨勢，數據工具的打造、企業端移動端的模型部署、AI Agents的實踐和應用，都將是下一步的發展方向。

（AI Infra產業鏈 圖源：CB Insights)

克里斯坦森的《創新者的解答》中提到，產業鏈中有能留住財富的聚寶盆。TMT VC 投資人 Na Liu提到，「當前，AI Infra領域的聚寶盆在價值鏈中正在發生變化，從集成式結構的平台化解決方案AutoML（以性能為主）轉向模塊化（靈活、速度、便利為主）。」這背後切中的是企業想要打開「黑盒化」的過程，希望能夠靈活地調整模型和構建工作流程中的每一個組件，以得到最適合其特定需求的系統和分析結果。

最具有價值的環節，也是最難啃的骨頭，中國現在正是缺少工具和原材料製造工廠，這也解釋了中國為何缺乏有競爭力的大模型的根本原因：底層薄弱，上層爆發乏力。

以AI三要素的數據為例，中國的數據相關產業鏈，幾乎都是雲大廠「一站全包」，缺乏在某個垂直領域的深耕，而這對於初創公司而言每一個環節都將是機會，可以做精做專。「數據準備」是中國特色機會，這裡面就包括了數據質量、數據標註、數據合成和應用商城與工程。

目前，合成數據公司已經逐步得到資本的青睞。擁有圖像合成數據能力的生成式AI公司「跨維智能」去年一年內完成天使及Pre-A輪億元級融資；今年剛成立的光輪智能半年內完成了三輪融資，天使+輪次後，其累計融資金額達數千萬元人民幣。

走過前期的技術崇拜，越來越多的創業者已經意識到，OpenAI道路不是大模型時代的唯一解，有人向上突破，有人向下做精做專。

除了大模型，中間層是一條看似小眾，但更穩妥的路；而看似最「低垂的果實」的應用層，卻是千軍萬馬過獨木橋，更容易贏者通吃、中大廠先行。

但對於中國式AI而言，比較容易知道，不能盲目複製矽谷；比較難做到的是，不複製「舊時的自己」，走向堆人搶項目的重交付老路。